Matplotlib — библиотека на Python для визуализации данных 2D и 3D графики. Генерируемые в различных форматах изображения могут быть использованы в интерактивной графике, в научных публикациях, графическом интерфейсе и в веб-приложениях.
In [1]:
import matplotlib # импортируем библиотеку
import matplotlib.pyplot as plt # основной модуль
import numpy as np # уже знакомые нам библиотеки
import pandas as pd
from pandas.plotting import register_matplotlib_converters # для корректной конвертации времени
register_matplotlib_converters()
import seaborn as sns # наводим красоту
sns.set_style('white')
%config InlineBackend.figure_format = 'svg'
%matplotlib inline
In [2]:
# простейший график y от x
x = [1, 2, 3, 4, 5, 6]
y = [i ** 2 for i in x]
plt.plot(x, y, marker='o')
Out[2]:
In [3]:
# добавим сетку, цвета и легенду
x = np.linspace(0, 5, 100)
plt.figure(figsize=(12, 5)) # размер канваса
plt.plot(x, np.sin(x), color='red', linewidth=3, label='sin')
plt.plot(x, np.cos(x), color='green', linewidth=3, label='cos')
plt.legend(loc='upper right', prop={'size':25})
plt.grid(True)
plt.show()
In [4]:
# добавим подписи и увеличим размер деления
t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2 * np.pi * t)
plt.figure(figsize=(12, 5))
plt.title('График функции напряжения от времени', fontsize=20)
plt.plot(t, s, linewidth=3)
plt.grid(True)
plt.xlabel('Время (сек)', color='red', fontsize=18) # цвет и тут менять можно
plt.ylabel('Напряжение (mV)', fontsize=18)
ax = plt.gca()
for tick in ax.xaxis.get_major_ticks():
tick.label.set_fontsize(15)
for tick in ax.yaxis.get_major_ticks():
tick.label.set_fontsize(15)
plt.show()
In [5]:
# все операции можно производить через объект Axes
plt.figure(figsize=(12, 5))
ax = plt.gca()
ax.set_title('График функции напряжения от времени', fontsize=20)
ax.plot(t, s, linewidth=3)
ax.grid(True)
ax.set_xlabel('Время (сек)', color='red', fontsize=18)
ax.set_ylabel('Напряжение (mV)', fontsize=18)
for tick in ax.xaxis.get_major_ticks():
tick.label.set_fontsize(15)
for tick in ax.yaxis.get_major_ticks():
tick.label.set_fontsize(15)
plt.show()
In [6]:
# составные графики - plt.subplot
x1 = np.linspace(0.0, 5.0)
x2 = np.linspace(0.0, 2.0)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
y2 = np.cos(2 * np.pi * x2)
plt.figure(figsize=(12, 8))
plt.subplot(2, 1, 1)
plt.plot(x1, y1, linewidth=3)
plt.plot(x1, y1, 'ro', linewidth=3)
plt.title('Subplots', fontsize=25)
plt.ylabel('Затухающие колебания', fontsize=18)
plt.grid(True)
plt.subplot(2, 1, 2)
plt.plot(x2, y2, '-o', ms=20, alpha=0.7, mfc='orange', linewidth=10)
plt.xlabel('time (s)', fontsize=18)
plt.ylabel('Незатухающие колебания', fontsize=18)
plt.grid(True)
plt.show()
In [7]:
plt.figure(figsize=(12, 5))
plt.subplot(2, 2, 1)
plt.plot(x1, y1, linewidth=3)
plt.subplot(2, 2, 2)
plt.plot(x1, y1, linewidth=3)
plt.subplot(2, 2, 3)
plt.plot(x1, y1, linewidth=3)
plt.subplot(2, 2, 4)
plt.plot(x1, y1, linewidth=3)
plt.show()
In [8]:
# cпецификаторы
# полный список:
# https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot
t = np.arange(0., 5., 0.2)
plt.figure(figsize=(10, 4))
plt.plot(t, t, 'r--', linewidth=5)
plt.plot(t, t ** 2, 'bs',linewidth=5)
plt.plot(t, t ** 3, 'g^', linewidth=5)
plt.grid(True)
ax = plt.gca()
for tick in ax.xaxis.get_major_ticks():
tick.label.set_fontsize(15)
for tick in ax.yaxis.get_major_ticks():
tick.label.set_fontsize(15)
plt.show()
In [9]:
# аннтотации
# https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.annotate.html
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
plt.figure(figsize=(12, 8))
plt.plot(t, s, lw=3)
plt.annotate('x = 2', xy=(3, 1), xytext=(3, 1.5), arrowprops=dict(facecolor='red', shrink=0.09), size=40)
plt.ylim(-2,2)
ax = plt.gca()
for tick in ax.xaxis.get_major_ticks():
tick.label.set_fontsize(15)
for tick in ax.yaxis.get_major_ticks():
tick.label.set_fontsize(15)
plt.grid(True)
plt.show()
In [10]:
# поддерживаются разные типы координатных систем
r = np.arange(0, 2, 0.01)
theta = 2 * np.pi * r
ax = plt.subplot(111, projection='polar') # указываем нужную проекцию
plt.title('В полярных координатах', y=1.1, fontsize=16)
ax.plot(theta, r, linewidth=3, color='red')
ax.set_rmax(1)
ax.set_rticks([0.5, 1, 1.5, 2]) # Less radial ticks
ax.set_rlabel_position(-22.5) # Move radial labels away from plotted line
ax.grid(True)
plt.show()
In [11]:
# Классическая визуализация временных рядов
ts = pd.read_csv('./data/sber_stocks.csv', usecols=['CLOSE', 'TRADEDATE'],
index_col='TRADEDATE', parse_dates=True)
ts = ts.CLOSE
plt.figure(figsize=(12, 5))
plt.plot(ts, label='Price')
plt.fill_between(ts.index, ts, color='#34a6ba', alpha=0.2) # заполняем цветом от оси до кривой
plt.legend(prop={'size': 16})
plt.grid(True)
#plt.xlim('2014-01', '2014-10') # умный индекс
plt.show()
In [12]:
# Визуализация временного ряда через тепловую карту
Z = np.tile(ts.values, (10, 1))
fig = plt.figure(figsize=(14, 5))
сs = plt.pcolor(Z, cmap='RdBu') # https://matplotlib.org/3.2.0/tutorials/colors/colormaps.html
fig.colorbar(сs)
plt.show()
In [13]:
# Тепловая карта (HeatMap) для 3-х мерных данных
import matplotlib.cm as cm
delta = 0.025
x = y = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2
# разные методы интерполяции
# https://matplotlib.org/3.1.1/gallery/images_contours_and_fields/interpolation_methods.html
plt.figure(figsize=(20, 10))
ax = plt.gca()
im = ax.imshow(Z, interpolation='bilinear', cmap=cm.RdYlGn)
plt.show()
In [14]:
# можно визуализировать напрямую в 3D
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(figsize=(15, 10))
ax = fig.gca(projection='3d')
surf = ax.plot_surface(X, Y, Z, cmap=cm.RdYlGn, linewidth=3)
angle = 120
ax.view_init(30, angle)
plt.show()
In [15]:
# Скаттер
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2
plt.figure(figsize=(12, 5))
plt.title('Scatter', fontweight='bold', fontsize=20)
plt.scatter(x, y, s=area, c=colors, cmap='inferno', alpha=0.5)
plt.grid(True)
plt.show()
In [16]:
# Гистограмма
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
plt.figure(figsize=(12, 5))
plt.title('Hist', fontweight='bold', fontsize='x-large')
plt.hist(x, bins=200, facecolor='b')
plt.xlabel('random variable value')
plt.ylabel('probability')
plt.text(50, 120, r'$\mu=100,\ \sigma=15$')
plt.axvline(x=100, color='red', lw=3)
plt.grid(True)
plt.show()
In [17]:
# + огибающая
mu, sigma = 0, 0.1
s = np.random.normal(mu, sigma, 1000)
plt.figure(figsize=(12, 5))
count, bins, ignored = plt.hist(s, 100, density=True)
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp(- (bins - mu)**2 / (2 * sigma**2) ),
linewidth=2, color='r')
plt.grid(True)
plt.show()
In [18]:
# Бар плот
N = 5
red = (20, 35, 30, 35, 27)
blue = (25, 32, 34, 20, 25)
red_sdt = (2, 3, 4, 1, 2)
blue_std = (10, 5, 2, 3, 3)
ind = np.arange(N)
width = 0.35
p1 = plt.bar(ind, red, width, color='r', yerr=red_sdt) # можно и горизонтальную - plt.barh
p2 = plt.bar(ind, blue, width, color='b', bottom=red, yerr=blue_std)
plt.ylabel('Bar')
plt.xticks(ind, ('G1', 'G2', 'G3', 'G4', 'G5'))
plt.yticks(np.arange(0, 81, 10))
plt.legend((p1[0], p2[0]), ('Red', 'Blue'))
plt.grid(True)
plt.show()
In [19]:
# Пай плот
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [20, 30, 45, 50]
explode = (0.5, 0.05, 0, 0) # only "explode" the 2nd slice (i.e. 'Hogs')
fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
shadow=True, startangle=90)
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.show()
In [20]:
# можно рисовать свои картинки поверх заданных
im = plt.imread("./pict/sber_logo.png")
plt.figure(figsize=(15, 10))
implot = plt.imshow(im)
theta = np.linspace(0, 2 * np.pi, 50)
z = np.cos(theta) * 50 + 200
t = np.sin(theta) * 50 + 500
plt.plot(z, t, lw=3, color='red')
ax = plt.gca()
for tick in ax.xaxis.get_major_ticks():
tick.label.set_fontsize(15)
for tick in ax.yaxis.get_major_ticks():
tick.label.set_fontsize(15)
plt.grid(True)
plt.show()
In [21]:
# Бонус
import matplotlib.path as mpath
import matplotlib.patches as mpatches
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
Path = mpath.Path
path_data = [
(Path.MOVETO, (1.58, -2.57)),
(Path.CURVE4, (0.35, -1.1)),
(Path.CURVE4, (-1.75, 2.0)),
(Path.CURVE4, (0.375, 2.0)),
(Path.LINETO, (0.85, 1.15)),
(Path.CURVE4, (2.2, 3.2)),
(Path.CURVE4, (3, 0.05)),
(Path.CURVE4, (2.0, -0.5)),
(Path.CLOSEPOLY, (1.58, -2.57)),
]
codes, verts = zip(*path_data)
path = mpath.Path(verts, codes)
patch = mpatches.PathPatch(path, facecolor='r', alpha=0.5)
ax.add_patch(patch)
# plot control points and connecting lines
x, y = zip(*path.vertices)
line, = ax.plot(x, y, 'go-')
ax.grid()
ax.axis('equal')
plt.show()
In [22]:
# !pip install plotly # устанавливаем библиотеки
# https://plotly.com - обширная докуаментация
In [23]:
import plotly # импортируем библиотеку
import plotly.graph_objects as go # основной модуль
import plotly.express as px # самый популярные графики
Основной объект - Figure, можно мыслить как dict
In [24]:
import plotly.io as pio
import numpy as np
x = np.arange(1, 7)
fig = dict({
"data": [{"type": "scatter",
"x": x,
"y": x ** 2,
'marker':{'size':10}}],
"layout": {"title": {"text": "Простейший график y от x"}}
})
print(fig)
pio.show(fig)
In [25]:
fig = go.Figure(data=go.Scatter(x=x, y=x**2, marker_size=10),
layout={'title':{'text':"Простейший график y от x"}})
print(fig)
fig
In [26]:
fig = go.Figure(data=go.Scatter(x=x, y=x**2, marker_size=10),
layout_title_text='Простейший график y от х') # а можно и вот так
print(fig)
fig.show() # и вот так
In [28]:
x = np.linspace(0, 5, 100)
fig = go.Figure(data=go.Line(x=x, y=np.sin(x), name='sin', line_color='blue'))
fig.add_trace(go.Line(x=x, y=np.cos(x), name='cos', line_color='red')) # добавление еще объектов на Figure
fig.update_layout(xaxis_tickfont_size=20)
fig.show()
In [29]:
from plotly.subplots import make_subplots
x1 = np.linspace(0.0, 5.0)
x2 = np.linspace(0.0, 2.0)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
y2 = np.cos(2 * np.pi * x2)
fig = make_subplots(rows=2, cols=1)
fig.add_trace(go.Scatter(x=x1, y=y1, mode='lines', line_color='blue'), row=1, col=1)
fig.add_trace(go.Scatter(x=x1, y=y1, mode='markers', marker_size=5, marker_color='red'), row=1, col=1)
fig.update_layout(showlegend=False)
fig.add_trace(go.Scatter(x=x2, y=y2, mode='markers+lines', line_width=1, line_color='blue',
marker_color='orange', marker_size=15, marker_opacity=0.8), row=2, col=1)
fig.update_layout(showlegend=False)
fig.show()
In [30]:
from plotly.subplots import make_subplots
fig = make_subplots(rows=2, cols=1)
fig.add_scatter(x=x1, y=y1, mode='lines+markers', line_color='blue', marker_size=5, marker_color='red',
row=1, col=1)
fig.add_scatter(x=x2, y=y2, mode='markers+lines', line_width=1, line_color='blue',
marker_color='orange', marker_size=15, marker_opacity=0.8, row=2, col=1)
fig.update_layout(title_text='Subplots in Plotly',
title_font_size=30)
# fig.update_layout(title=go.layout.Title(text="Subplots in Plotly",
# font=go.layout.title.Font(size=30)))
# fig.update_layout({"title": {"text": "Subplots in Plotly",
# "font": {"size": 30}}})
fig.show()
In [31]:
fig = px.line(ts) # через px синтаксис напоминает plt.plot
fig
In [32]:
df = px.data.gapminder() # визуализация DataFrame через Plotly Exprerss
fig = px.scatter(df[df['year']==2007], x="gdpPercap", y="lifeExp", size="pop", color="continent",
hover_name="country", log_x=True, size_max=60)
fig.show()
In [33]:
df = px.data.gapminder() # https://plotly.com/python/plotly-express/
fig = px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
size="pop", color="continent", hover_name="country", facet_col="continent",
log_x=True, size_max=45, range_x=[100, 100000], range_y=[25, 90])
fig.show()
In [35]:
# !pip install dash - устанавливаем модуль
import dash
import dash_core_components as dcc
import dash_html_components as html
app = dash.Dash()
app.layout = html.Div([
dcc.Graph(figure=fig)
])
app.run_server(host = '127.0.0.1') # Turn off reloader if inside Jupyter
In [37]:
# Бонус
from sklearn.svm import SVR # применительно к ML
# пример визуализации модели
# https://plotly.com/building-machine-learning-web-apps-in-python/
mesh_size = .02
margin = 0
df = px.data.iris()
X = df[['sepal_width', 'sepal_length']]
y = df['petal_width']
# Condition the model on sepal width and length, predict the petal width
model = SVR(C=1., gamma='auto')
model.fit(X, y)
# Create a mesh grid on which we will run our model
x_min, x_max = X.sepal_width.min() - margin, X.sepal_width.max() + margin
y_min, y_max = X.sepal_length.min() - margin, X.sepal_length.max() + margin
xrange = np.arange(x_min, x_max, mesh_size)
yrange = np.arange(y_min, y_max, mesh_size)
xx, yy = np.meshgrid(xrange, yrange)
# Run model
pred = model.predict(np.c_[xx.ravel(), yy.ravel()])
pred = pred.reshape(xx.shape)
# Generate the plot
fig = px.scatter_3d(df, x='sepal_width', y='sepal_length', z='petal_width')
fig.update_traces(marker=dict(size=5))
fig.add_traces(go.Surface(x=xrange, y=yrange, z=pred, name='pred_surface'))
fig.show()